一种复杂背景下的多车牌图像分割与识别方法

提出一种复杂背景下的多车牌图像分割和知识方法，采用统计和特征匹配相结合的方法去除待识别图像中的背景，提取可能存在车辆的区域；分别对可能的车辆区域进行局部边缘检测，并使用车牌的先验知识确定车牌的位置和单个字符分割，包括车牌倾斜时的字符分割，使用PCA和BP神经网络相结合的方法精确识别车牌，实验结果表明，该方法对复杂背景下多车牌的分割和识别是有效的。     

车牌自动识别系统中的牌照区域图像分割技术

以车牌自动识别技术中的牌照区域图像分割技术为重点,介绍运用车牌图像进行牌照边缘检测,从而实现图像区域分割,克服整体识别技术中的关键问题的相关内容．     

基于图像自适应增强的轻量级雾天车牌检测和识别算法

针对雾天图像降质带来的车牌识别难题,提出一种采用图像自适应增强的轻量级车牌检测和识别算法。以目标检测网络YOLOv5s和车牌识别网络LPRNet为基础,设计一个改进的图像自适应增强模块级联于YOLOv5s之前,并引入混合注意力(SA)机制改进LPRNet。图像自适应增强模块由带参数的图像去雾和纹理增强模块以及自适应参数预测模块组成。自适应参数预测模块是轻量级卷积神经网络,与YOLOv5s联合训练,为不同程度的带雾图像自动提供合适的去雾和纹理增强参数以获得更准确的车牌检测结果。利用车牌位置的真实标签和实际检测结果,采用混合注意力机制和迁移学习策略得到最终的SA-LPRNet模型,缓解识别模型对检测结果的敏感性以获得更高的车牌识别准确率。在合成的雾天车牌数据集上的实验结果表明：本文算法对雾天车牌检测的mAP@0.5-0.95指标达到70.6%,车牌识别准确率达到93.5%,优于对比算法,且识别速度满足实时性要求。     

基于灰度跳变与形态学的车牌定位法

车牌定位是车牌识别系统的关键步骤,定位的准确与否直接影响车牌识别的结果.提出了一种基于灰度跳变与形态学的定位方法.对于车牌候选区的二值图像,根据车牌的水平分布特点,从长宽之比、面积之比等多个方面进行综合分析,从而可以更加精确地对车牌进行识别.实验验证表明,基于该算法的车牌识别系统能够达到较高的车牌识别率.     

基于小波变换和亮度矩的车牌图像分割算法

车辆牌照图像的分割是车牌识别的前提和基础，针对牌照与车身背景的分割问题，该文提出了基于小波变换和这度矩方法的车辆牌照阈值分割算法，首先，对车牌图像进行小波去噪，然后利用亮度矩对去噪后的车牌图像进行阈值分割，实验结果表明：此方法能够从含有较强噪声的车辆图像中获得车牌图像，且具有相对于图像的平移、尺度变化和旋转的低敏感性。     

车牌定位系统中关健技术的研究与实现

针对车牌识别系统中由于分割不准确而造成识别率低的问题,提出一种基于一阶水平差分算子的自适应边缘检测的分割方法,以便更好的将汽车图像从复杂的背景中分割出来,同时用优化投影法对车牌进行定位,并在字符识别中利用改进15特征点提取法实现了车牌字符的识别.实验结果表明,该算法对车牌识别的准确性高,识别速度快,鲁棒性好.     

图像金字塔模型应用研究综述

对近年来图像金字塔相关算法和应用的研究进展进行了详细调研，对比分析了常见的图像金字塔模型的典型算法和应用，包括图像融合和分割、图像增强、遥感图像物体检测和识别。重点总结了高斯金字塔和拉普拉斯金字塔的典型应用，包括无人机图像捕获、车辆及车牌识别等方面。最后对图像金字塔未来的研究方向进行展望。     

基于图像处理的车牌定位方法的研究

对智能交通系统的核心技术——汽车牌照识别技术进行了研究,在图像处理技术的基础上,着重研究了车牌区域定位技术,分析了目前有代表性的车牌定位方法,介绍了利用粒子图像测速关联PIV（Particle Image Velocimeter）算法原理,提出了一种采用车牌字符笔画2个边缘互相关值最大的方法进行车牌定位的算法,准确而快速地检出了车牌区域,为后续车牌字符识别打下了很好的基础。     

一种嵌入式车牌识别系统的设计与实现

智能交通系统(ITS)已成为当前交通管理发展的主要方向,而汽车牌照识别(VLPR)技术则是智能交通系统的核心。研究了基于DSP的车牌识别系统的设计与实现。该系统主要通过摄像头采集汽车车牌图像,经过DSP核心处理器对图像进行处理,识别出车牌号,并通过LCD显示。经过调试运行,该系统实现了车牌识别的功能,可运用于工程实践。     

无参考的车牌自动识别图像质量评价方法

提出一种针对车牌识别算法要求的车牌图像质量综合评价方法。其中根据车牌识别算法的普遍要求,归纳出了四种车牌图像质量评价因子:亮度偏移、亮度分布一致性、对比度、清晰度。最后使用主成份分析方法将四种评价因子综合起来建立得到对车牌图像的总体质量评价标准。采用这个评价标准,可以在无参考的情况下对单张车牌图像给出质量评价,为降低系统误差提供量化的依据,从而到达为识别算法提供高质量的输入图像的目的。     

指纹图像增强算法研究

指纹图像增强在指纹图像预处理过程中有着非常重要的作用,直接影响指纹识别的识别率和识别速度。一般图像增强算法无法满足指纹识别系统的要求,为了提高指纹增强算法的综合性能,现提出一种优化的Gabor滤波方法以增强指纹图像并有效消除噪声,并对Gabor滤波器的参数进行量化。实验表明,该算法能够使图像的质量明显得到增强,方便了后续指纹特征的提取,以提高指纹识别的算法效率和准确率。     

基于分维特征的肝脏CT图像识别

目前分形理论已被广泛应用于医学图像识别.本文利用了改进的差分盒计数法对肝脏CT图像进行了分形维数的分析,表征了肝脏图像的纹理特征,则可识别医学图像肿瘤信息.医学图像识别的结果可以直观的方式显示给临床医生,从而辅助医生提高医疗诊断的准确性和科学性.     

基于仿射变换与模板更新策略的目标跟踪方法

提出了一种自适应跟踪算法,其主要思想是用六个仿射变换参数来表征图像中目标区域的运动,由当前位置图像与模板图像的差分图像可以求取这些参数,并进一步用这些参数来预测目标的运动和跟踪目标。在实际跟踪过程中,又采取一种有效的相似性度量方法,用它来决定是否修改模板,以及如何修改。     

基于稀疏表示分类算法的复合绝缘子憎水性检测方法

复合绝缘子表面憎水性的检测是判断其防污闪性能的主要手段之一.本文引入稀疏表示分类算法实现了对复合绝缘子憎水性图像的检测分类.运用最小一范数方法计算稀疏表示系数,通过计算最小残差图像来搜索与测试图像最匹配的训练样本图像,从而准确识别出检测试样的憎水性HC等级.该算法避开了一般模式识别算法中较复杂的特征提取环节,为复合绝缘子憎水性图像识别检测提供了新的思路.实验结果表明,该方法能有效地应用于复合绝缘子憎水性图像的分级.     

基于模板自适应细胞神经网络的图像处理及识别

本文介绍了一种适合于并行计算机的模型——细胞神经网络,它是神经网络的一种特殊形式,具有神经网络的识别、智能和联想能力．具体介绍了利用细胞神经网络（ＣＮＮ）实现二值图像和灰度图像边缘检测,详细分析了ＣＮＮ设计过程并作改进,引入了模板权值自适应的ＣＮＮ及其设计方法,并给出了仿真结果．     

染色血液白细胞目标图像快速提取方法的研究

提出了一种变图像分辨率的染色血液白细胞目标图像提取方法.首先对采集到的染色血液细胞图像进行分辨率抽样并将图像从RGB表示变换为HS I表示;然后使用白细胞色饱和度阈值滤波和形态学滤波得到白细胞数目和位置;最后在白细胞位置按原始图像分辨率进行局部图像提取并使用神经网络方法进行图像分割得到目标图像.该方法充分保留了血液细胞图像本身固有的大量有用信息,提高了目标图像分割的完整性并减少了计算量,适用于对时间要求较高的复杂背景下血液图像的自动分析.     

智能车实时图像处理系统的研究

对摄像头采集的视频信号采用LM1881N视频同步信号分离芯片、微控制器MC9S12XS128MAL进行处理,以此构建智能车的实时图像处理系统;经"飞思卡尔"杯智能汽车竞赛的检验,车模能够顺利沿着指定线路运行,该方案稳定可行.     

基于LVQ神经网络的医学图像识别研究

以医学肝脏CT图为研究对象,设计了一种基于LVQ神经网络的医学图像识别方法。基本思想是首先确定图像ROI区域,并作灰度映射变换。接着提取其颜色、纹理和形状特征构成表征医学图像的特征矢量,最后将特征归一化后利用LVQ神经网络进行识别。通过与其他典型神经网络识别方法的实验比较,结果表明,设计的方法能取得更为理想的识别效果。     

图像识别中颗粒形状表征方法的研究

针对图像识别中颗粒形状表征方法的问题,采用图像处理技术,提取出颗粒形状特征参数一形状系数,计算结果表明：利用该参数可以识别颗粒的形状特征及类型,并为在线测量和识别颗粒提供了依据。     

EAN-13条码图像整形方法分析以及模块中值法的理论研究

在数字图像识别条形码过程中,整形是很重要的环节。分析了EAN-13条码采集并二值化后图像的噪音特点,结合EAN-13条码的构造,从理论上研究了模块中值法。这是一种利用条形码的构造特点,降低二值化后图像噪音,并易于后续条形码识别的整形方法。